我在快消品行业做数据咨询的这些年，见过太多这样的场景：市场部拿着铺货率报表兴奋地宣布“我们的产品已经覆盖了85%的终端”，但销售总监却盯着销量数据眉头紧锁，“铺了这么多货，为什么销售额纹丝不动？”
这不是个别现象。我跟踪过一家饮料企业的新品上市过程，铺货率在三个月内从0飙升至72%，但单店月均销量只有可怜的3.2箱，远低于行业盈亏平衡线的8箱。铺货率漂亮，但企业每天都在亏钱。问题出在哪里？
根本原因在于，绝大多数快消品管理者把“铺货”等同于“动销”，把“渠道覆盖”等同于“销售增长”。这种认知偏差，导致企业资源被大量浪费在无效铺货上，而真正能驱动增长的“单点卖力”，却被严重忽视。
今天这篇文章，我想用我自己的项目经验和数据观察，拆解铺货与单点卖力之间的真实关系，并给出一个可落地的数据分析框架。这不是教科书式的理论复述，而是我在一线踩过坑、交过学费之后，沉淀下来的实战方法论。
先给出我的核心判断，方便你带着结论往下读：
铺货解决的是“能不能买到”的问题，单点卖力解决的是“买得多不多”的问题。两者缺一不可，但绝大多数企业的资源错配，恰恰是把80%的预算砸在了“能不能买到”上，而忽略了“买得多不多”才是利润的真正来源。
我辅导过一家年营收5亿的休闲食品企业，他们的北方市场铺货率高达90%，但市场占有率只有12%。而另一家竞品，铺货率只有65%，市场占有率却达到了18%。区别在哪里？竞品的单店产出是他们的2.3倍。铺货率低，但每个卖出去的店都卖得更多。
这不是个案。我整理了过去三年服务过的32个快消品项目的核心数据，发现一个规律：铺货率与销售额之间的相关性，在铺货率低于60%时非常强，但一旦超过70%，相关性急剧下降，单点卖力开始成为主导因素。
这意味着，如果你已经铺了70%的终端，再砸钱铺剩下的30%，边际效益会极低。正确的做法是：把资源转投到提升单点卖力上，让每个已经铺货的终端卖得更多。
2021年，我接手了一家区域乳制品企业的数据咨询项目。他们在本地市场经营了15年，终端铺货率高达90%，但销量增长率连续三年低于5%，市场份额被全国性品牌持续蚕食。
老板的第一反应是“竞品在打价格战”，要求增加促销投入。但当我拿到完整的销售数据后，发现问题的根源根本不在这里。
我做了两件事：第一，把全量终端按照“铺货时长”和“月度销量”做了交叉分析；第二，对比了“铺货终端”和“未铺货终端”的周边客群特征。结果让我大吃一惊：
这个案例说明：铺货率再高，如果铺错了地方、铺了之后没有持续运营，单点卖力就会持续走低，最终整个渠道体系都在“虚胖”。
在我自己的项目实践中，我把所有终端按照“铺货率”和“单点卖力”两个维度，划分为四个象限：
| 象限 | 铺货率 | 单点卖力 | 典型状态 | 资源分配建议 |
|---|---|---|---|---|
| 明星象限 | 高 | 高 | 核心门店，品牌根据地 | 维持投入，优化运营效率 |
| 金牛象限 | 低 | 高 | 高潜力门店，但覆盖率不足 | 重点铺货，扩大覆盖 |
| 问题象限 | 高 | 低 | 铺了但卖不动，资源浪费 | 诊断原因，针对性提升单点卖力 |
| 瘦狗象限 | 低 | 低 | 低价值门店，暂不投入 | 暂缓投入，或考虑退出 |
大多数企业的问题在于，他们把所有资源都砸在了“明星象限”和“问题象限”里，但忽略了“金牛象限”才是真正的增长引擎。
我在那家乳制品企业做的事情，就是砍掉了问题象限中30%的低效铺货，把资源转移到了金牛象限的高潜力门店，同时为明星象限设计了更精细的运营方案。半年后，整体销量增长了18%，铺货成本反而下降了12%。
这是最普遍的错误认知。很多管理者把铺货率当成KPI，团队为了完成指标，不惜铺进那些根本不适合产品销售的终端。比如，把高端酸奶铺进社区便利店，客单价和消费场景都不匹配，结果就是货架积灰，最后被退货。
铺货率不是越高越好，而是越“准”越好。 我定义了一个指标叫“有效铺货率”，在铺货终端中，月销量超过盈亏平衡线的终端占比。一家企业的有效铺货率如果低于60%，说明铺货质量存在严重问题。
很多企业的第一反应是“打价格战”“买赠促销”。但根据我的项目数据，单点卖力低的原因中，只有不到30%与价格或促销直接相关。更多的问题出在：
我跟踪过一个案例：某调味品品牌在一家连锁超市的月销量长期在15瓶左右，远低于同类产品的30瓶。团队认为是价格问题，申请了降价。但降价后销量只涨了3瓶。后来我去门店实地观察，发现他们的产品被放在货架最底层，旁边是两排竞品的大面积端架陈列。解决方案很简单：把产品调到与视线平齐的位置，并增加一个端架。一个月后，销量从15瓶涨到了45瓶。
单点卖力的提升，很多时候不是靠“砸钱”，而是靠“精细”。
很多企业把铺货交给销售团队，把单点卖力交给市场团队，两者之间几乎没有数据协同。结果是：销售团队铺了货，但市场团队不知道哪些终端需要重点运营；市场团队做了促销，但销售团队不知道哪些终端适合执行。
铺货和单点卖力是一体两面，必须放在同一个数据框架下分析。 我在每个项目里都会建立一张“铺货-单点卖力交叉分析表”，把每个终端的铺货状态和销售表现关联起来，这样才能找到真正的优化方向。
我不是在讲理论，而是给出一个可以立刻上手的框架。你需要跟踪以下核心指标：
我建议你至少按周更新这些指标，并按照区域、渠道、门店类型进行下钻分析。只有把数据细化到终端级别，才能发现真正的优化机会。
当某个区域或渠道的单点卖力明显偏低时，我会用以下模型进行诊断：
单点卖力 = 进店率 × 关注率 × 购买率 × 客单价 × 复购率
这个模型把单点卖力拆解为五个节点，每个节点都可以通过数据或实地观察进行量化：
这个模型的价值在于，它把“单点卖力低”这个模糊的问题，转化成了五个可量化、可定位、可优化的具体节点。
我在那家乳制品企业就用这个模型做诊断，发现某区域的问题出在“关注率”上，产品陈列在货架最底层，进店顾客根本看不到。解决方案就是调整陈列位置，一个月后单点卖力提升了40%。
不同阶段的产品，铺货和单点卖力的优先级完全不同。我总结了一个简单的决策框架：
| 产品生命周期阶段 | 铺货优先级 | 单点卖力优先级 | 关键动作 |
|---|---|---|---|
| 导入期 | 高 | 中 | 优先铺进高匹配度的核心终端，快速建立市场存在感 |
| 成长期 | 中 | 高 | 铺货从“广度”转向“深度”，重点提升单产，打造标杆门店 |
| 成熟期 | 低 | 高 | 维持现有铺货，精细化运营单点卖力，挖掘存量增长 |
| 衰退期 | 低 | 低 | 收缩铺货，聚焦高利润终端，为新产品腾出资源 |
很多企业的问题在于，他们用导入期的策略来管理成熟期的产品，结果就是铺货率上去了，但单点卖力持续下滑，最后被竞品蚕食。
我辅导过一家调味品企业，他们的王牌产品已经进入成熟期，但团队还在拼命铺新终端。我帮他们做了一个测算：在现有终端中，如果把单点卖力提升10%，带来的增量是铺1000个新终端的3倍，而成本只有后者的1/5。这个数据说服了管理层，他们立刻调整了资源分配。
这是2022年的项目。客户是一家区域调味品企业，主打产品是复合调味料。他们在当地市场的铺货率已经达到78%，但销量增长停滞，市场份额被全国性品牌持续挤压。
我接手后做的第一件事，就是建立铺货-单点卖力四象限矩阵。结果发现：
我们做的核心决策是：
结果：6个月后，整体销量增长105%，铺货成本下降18%，单点卖力从平均12箱/月提升到23箱/月。
这个案例的关键教训是：不要试图“平均用力”，要把资源集中在能产生最大效益的终端上。 问题象限的终端看似铺货率高，但实际上是负资产，越早砍掉越有利。
这是一个更微观的案例，我想讲一下单点卖力提升的具体执行过程。
客户是一家区域性饮料企业，产品在便利店渠道的铺货率不错，但单点卖力长期低于行业平均水平。我们团队没有搞“大鸣大放”的改革，而是采取了一种“螺纹式”的优化方法：
第一轮（第1-2周）： 聚焦“关注率”。我们挑选了50家核心门店，把产品从货架底层调整到与视线平齐的位置，并增加了端架陈列。调整后，关注率从35%提升到52%。
第二轮（第3-4周）： 聚焦“购买率”。我们在陈列位置增加了“试饮提示”和“卖点标签”，并培训了店员如何推荐。调整后，购买率从20%提升到28%。
第三轮（第5-6周）： 聚焦“客单价”。我们设计了“买二送一”的短期促销，并增加了大包装规格的陈列。调整后，客单价从15元提升到18元。
第四轮（第7-8周）： 聚焦“复购率”。我们推出了“集章卡”活动，每买一箱盖一个章，集满5章换一箱。调整后，复购率从12%提升到18%。
每一轮优化的周期只有两周，数据反馈非常快。8周后，这50家门店的整体单点卖力提升了68%。 更重要的是，我们验证了每个节点的提升空间，为后续的规模化复制积累了经验。
这个案例的关键教训是：单点卖力的提升不需要“一步到位”，而是可以像螺丝一样，一圈一圈地拧紧。每拧一圈，都能看到明确的增量，而且成本可控。
核心策略：先铺货，再优化单点卖力。
这个阶段，产品还没有“入场券”，首要任务是解决“能不能买到”的问题。但铺货不是盲目铺，而是要有选择地铺：
核心策略：暂停铺货，全力提升单点卖力。
这是最常见的情况，也是最大的资源浪费点。你的铺货已经够了，但每个终端卖得不够多。具体做法：
核心策略：快速铺货，扩大覆盖。
这是“金牛象限”的典型特征。你的产品在少数终端卖得很好，证明产品力和动销能力没有问题，但覆盖范围不够。具体做法：
核心策略：精细化运营，挖掘存量增长。
这是“明星象限”的终端，你已经进入了“舒适区”。但舒适区也意味着增长空间有限。具体做法：
做数据分析最大的价值，不是告诉你该做什么，而是告诉你该放弃什么。以下是我在项目中总结的“放弃清单”：
放弃不是失败，而是把资源释放给更有价值的地方。 我在那家乳制品企业砍掉30%的低效终端后，释放的资源足以支撑我们铺进2倍数量的高潜力终端。
最后，我想说点可能跟主流观点不太一样的东西。
很多人把铺货和单点卖力当成两个独立的目标，追求“铺货率越高越好”“单点卖力越高越好”。但我的经验告诉我，真正的目标不是“铺货率”或“单点卖力”本身，而是“渠道效率”，用最少的资源，让最多的终端，卖出最多的货。
渠道效率 = 铺货效率 × 单点卖力效率
铺货效率不是铺货率，而是“有效铺货率”除以“铺货成本”。单点卖力效率不是单点卖力，而是“单点卖力”除以“运营成本”。
你不需要追求铺货率100%，也不需要追求单点卖力行业第一。你只需要让你的渠道效率，高于竞争对手。
从这个角度看，铺货和单点卖力不是“二选一”的关系，也不是“先A后B”的关系，而是一个动态平衡的关系。在产品的不同阶段、不同市场、不同渠道，你需要不断调整两者的比例，让渠道效率始终处于最优状态。
我给你的建议是：
数据不会说谎，但前提是你得知道看什么数据，以及怎么解读它。铺货和单点卖力的关系，不是一道选择题，而是一道平衡题。希望这篇文章，能帮你找到那个平衡点。
作为一个快消品区域经理，我负责的区域铺货率已经做到100%，但单店销量一直上不去，比我铺货率低的同行反而卖得好。我翻遍了报表，找不到原因，难道铺货率高反而成了负担？我该从哪些数据维度排查才能找到真正的症结？
我踩过这个坑。2019年我负责某饮料品牌在华东的铺货，数值铺货率做到95%，但单点卖力只有行业平均的60%。后来发现，问题出在加权铺货率上，我们铺了大量低效夫妻老婆店，而核心便利店渠道的铺货率只有40%。真正有效的排查思路是：先拆解铺货质量。
数值铺货率只看门店数量占比，加权铺货率则按门店品类销售额加权计算。如果加权铺货率远低于数值铺货率，说明铺货集中在低产出门店。其次，要分析单点卖力的构成。我建议用两个指标交叉：单店日均销量和单店陈列面占比。如果门店有货但陈列面不足，销量自然差。
我们当时发现，80%的铺货门店只有1个陈列面，而竞品有3个以上。最后，要检查动销率。铺货不等于动销，如果门店进了一个月还没卖出去，就是无效铺货。我们当时用“铺货后30天动销率”指标，发现只有45%，说明铺了货但没有动销，需要调整选品和促销策略。
我看了很多文章讲四象限分析，但不知道如何落地。实际数据中铺货率是百分比，单点卖力是绝对值，怎么画图？怎么判断哪个象限是明星？有没有具体的Excel操作步骤？我希望能直接套用模板来分析我的区域门店。
我最早也是对着理论发愁，后来自己动手做了个模板，分享给你。第一步：数据准备。你需要每个门店的以下数据：门店ID、是否铺货（0/1）、该门店30天销量、该门店所在品类总销量。然后计算：数值铺货率（铺货门店数/总门店数）和单点卖力（该门店销量/该品类总销量*10000，换算成万分比方便比较）。
第二步：在Excel中插入散点图。X轴设为单点卖力，Y轴设为数值铺货率。注意：铺货率只有0和1，所以散点图呈现两个集群。但更好的做法是，先按区域或渠道分组，计算每个组的平均铺货率和平均单点卖力，然后画气泡图，气泡大小代表该组门店数量。第三步：划分象限。以中位数或平均值画十字线。
右上角（高铺货、高卖力）是明星门店，应该加大投入；左下角（低铺货、低卖力）是瘦狗，考虑优化或淘汰；左上角（高铺货、低卖力）是问题门店，需要诊断陈列、促销或产品匹配；右下角（低铺货、高卖力）是潜力门店，应该优先铺货。
我实际应用时，发现左上角问题门店占比最大，我们通过增加陈列面和试饮活动，将单点卖力提升了30%。
公司新品上市，市场部要求全力铺货，但销售部说单点卖力更重要。吵来吵去没有定论。到底什么时候该侧重铺货，什么时候该侧重动销？有没有一个数据模型可以指导资源分配？我担心盲目铺货浪费钱，但铺货不足又错过窗口期。
我亲身经历过一个新产品从0到1的完整周期，总结了一套动态调整模型。导入期（0-3个月）：资源应70%投铺货，30%投单点卖力。这个阶段目标是把产品铺进尽可能多的门店，哪怕单点卖力低，也要先占位。因为消费者需要看到才能买到。
我们当时用高成本进场费抢便利店位置，虽然单店亏损，但三个月后铺货率从0%冲到60%，为后续爆发打下基础。成长期（3-12个月）：调整到50%铺货、50%单点卖力。此时铺货率已经有一定基础，但单点卖力可能参差不齐。需要重点提升问题门店（高铺货低卖力）的动销，同时继续铺货潜力门店（低铺货高卖力）。
我们在这个阶段用“单点卖力提升计划”，对排名后20%的门店做陈列改造和促销，单点卖力平均提升25%。成熟期（12个月后）：资源应30%铺货、70%单点卖力。铺货已经接近饱和，重点是挖掘存量门店的潜力，提升单店产出。同时，根据数据分析，淘汰那些长期低卖力的铺货门店，把资源集中到高产出门店。
衰退期：视情况选择维持或退出。如果单点卖力持续下降，应逐步减少铺货，把资源转向新品。这套模型帮我们避免了一次盲目铺货导致的200万损失。
每次开周会，数据报告里既有数值铺货率又有加权铺货率，领导问有什么区别，我解释不清，只能含糊说一个看数量一个看质量。实际工作中，我应该重点看哪个指标做决策？比如我要评估一个区域的铺货效果，选哪个更靠谱？
我当初也困惑了很久，直到自己动手算了一次才明白。数值铺货率 = 铺货门店数 / 总门店数。它反映的是“有多少家店在卖你的产品”，是广度指标。加权铺货率 = 铺货门店的品类销售额之和 / 所有门店的品类销售额之和。它反映的是“在卖你产品的那些店，占整个品类销售额的多少”，是质量指标。
举个例子：有100家门店，总品类月销售额1000万。你铺货了80家，这80家门店的品类月销售额合计600万。那么数值铺货率=80%，加权铺货率=60%。哪个更真实？如果只看数值铺货率，你觉得自己覆盖了80%的门店，但实际只覆盖了60%的生意。
那20家未铺货的门店虽然只占20%的数量，却贡献了40%的销售额，它们往往是核心大店。我的经验是：做资源分配决策时，优先看加权铺货率。比如你要决定下个月的重点铺货区域，应该优先攻克那些高品类销售额、但未铺货的门店。做渠道策略时，两个指标结合看。
如果数值铺货率高但加权铺货率低，说明铺货集中在低产出门店，需要调整铺货方向。我管理的一个省份，通过把加权铺货率从45%提升到65%，单季度销售额增长了18%。
读者评论
文章一针见血，我们公司就是铺货率做到80%多但销量不涨，原来问题出在单点卖力上。那个四象限矩阵很实用，回头得把终端数据拉出来分分类。
作为一线销售，最烦公司只考核铺货率，逼着我们往不合适的店塞货。结果退货率高，还影响客情。希望管理层能看看这篇，别光盯着数字好看。
单点卖力拆解成进店率、关注率那几个节点的方法太好了，之前总觉得问题说不清，现在可以量化诊断了。准备下周在区域试点用这个模型。
文中提到有效铺货率这个指标很关键，我们公司铺货率85%但有效铺货率不到50%，确实浪费了大量资源。应该把资源向金牛象限的高潜力门店倾斜。